您如何報告 Beta 回歸（R 輸出）的結果？

我正在尋找有關如何報告 beta 回歸輸出結果的建議/輸入。我的數據以比率形式限制在 0 和 1 之間，我正在研究響應變量 (D_Ratio) 和連續的預測變量 (體長或 BL) 變量之間的簡單關係。我使用了 R 中 betareg 包中的 betareg 函數。

例如，這是我的 R 輸出：

Call:
   betareg(formula = D_Ratio ~ BL, data = wild, link = c("cloglog"))

   Standardized weighted residuals 2:
       Min      1Q  Median      3Q     Max 
    -1.4137 -0.6463 -0.1782  0.3970  2.6160 

Coefficients (mean model with cloglog link):
           Estimate Std. Error z value Pr(>|z|)    
(Intercept) -2.14147    0.51930  -4.124 3.73e-05 ***
    BL      0.05252    0.01673   3.139  0.00169 ** 

Phi coefficients (precision model with identity link): 

   Estimate Std. Error z value Pr(>|z|)
(phi)1.9522     0.2969   6.576 4.82e-11 ***
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Type of estimator: ML (maximum likelihood)
Log-likelihood: 8.766 on 3 Df
Pseudo R-squared: 0.2058
Number of iterations: 13 (BFGS) + 1 (Fisher scoring) 

首先，我注意到有兩個表格需要考慮；來自平均模型鏈接的係數和來自精度模型的係數。我要報告哪些係數？我在其他線程中找到了不同的答案……現在我認為它應該是來自平均模型的偽 R 平方、Z 值、P 值……或者“估計”係數項是否意味著一些重要的東西，比如斜率? 我問是因為我的印像是這種關係不是一條直線。

不幸的是，我是一個相對較新的 R 用戶，所以如果這裡有編碼問題，請告訴我。

beta回歸模型可以有兩個子模型：（1）均值回歸模型——類似於線性回歸模型或二元回歸模型；(2) 精度參數的回歸模型——類似於線性回歸模型中方差的倒數或 GLM 中的離散度。

到目前為止，您剛剛在 (1) 中使用了回歸量，但在 (2) 中只使用了一個常數。我鼓勵您檢查在兩個部分中都D_Ratio ~ BL | BL帶有回歸量的模型是否BL會導致更好的擬合。

如果不是，那麼您可能最好從平均方程中報告係數，就像對二元回歸模型一樣。然後您可以添加精度參數估計（就像在線性回歸中一樣）、偽 R 平方和/或對數似然和/或 AIC/BIC。

如果回歸量在模型的兩個部分都起作用，那麼可能會報告兩組係數。

您還可以使用包中的函數mtable(betareg_object,...)來memisc生成這樣的表。也可以導出到 LaTeX。此外，您可能會考慮D_RATIO ~ BL使用擬合平均回歸線加上可能的一些分位數（例如，5% 和 95%）的散點圖。vignette("betareg", package = "betareg")有一些這樣的例子。

引用自：https://stats.stackexchange.com/questions/255952